menu
close

Análisis de cerumen impulsado por IA detecta Parkinson con un 94% de precisión

Investigadores chinos han desarrollado un sistema olfativo de inteligencia artificial capaz de detectar la enfermedad de Parkinson analizando compuestos volátiles en el cerumen con un 94% de precisión. Este innovador método de detección identifica cuatro biomarcadores químicos específicos en las secreciones del conducto auditivo, lo que podría reemplazar costosos estudios y listas de verificación subjetivas por una simple y no invasiva toma de muestra de cerumen. La tecnología podría transformar la detección temprana y el tratamiento de este debilitante trastorno neurológico.
Análisis de cerumen impulsado por IA detecta Parkinson con un 94% de precisión

Científicos de la Universidad de Zhejiang, en China, han creado una innovadora herramienta de diagnóstico que utiliza inteligencia artificial para detectar la enfermedad de Parkinson mediante el análisis del cerumen, logrando una impresionante tasa de precisión del 94.4%.

El equipo de investigación, liderado por Hao Dong y Danhua Zhu, publicó sus hallazgos en la revista Analytical Chemistry. Su enfoque se basa en que el cerumen contiene sebo, una sustancia oleosa cuya composición química cambia conforme avanza la enfermedad. A diferencia del sebo de la piel, el cerumen se encuentra en un entorno protegido, libre de contaminantes externos como la polución o los cosméticos.

El estudio involucró la recolección de muestras de cerumen de 209 participantes (108 con enfermedad de Parkinson y 101 sin la enfermedad). Utilizando técnicas sofisticadas de cromatografía de gases-espectrometría de masas (GC-MS), los investigadores identificaron cuatro compuestos orgánicos volátiles que aparecen en concentraciones significativamente diferentes en pacientes con Parkinson: etilbenceno, 4-etiltolueno, pentanal y 2-pentadecil-1,3-dioxolano.

Posteriormente, el equipo desarrolló un sistema olfativo de inteligencia artificial (AIO) combinando cromatografía de gases con sensores de onda acústica superficial (GC-SAW) y una red neuronal convolucional (CNN). Este modelo de aprendizaje automático fue entrenado para reconocer patrones en los datos cromatográficos que distinguen entre muestras de pacientes con y sin Parkinson.

Actualmente, el diagnóstico del Parkinson suele basarse en la observación de síntomas físicos, los cuales generalmente aparecen después de que ha ocurrido una neurodegeneración significativa. La detección temprana es crucial, ya que la mayoría de los tratamientos solo ralentizan la progresión de la enfermedad, en lugar de revertirla. Los métodos diagnósticos tradicionales, como las escalas clínicas y la neuroimagen, pueden ser subjetivos, costosos y pasar por alto casos en etapas tempranas.

"Este método es un experimento a pequeña escala y de un solo centro en China", señaló Dong. "El siguiente paso es realizar más investigaciones en diferentes etapas de la enfermedad, en múltiples centros de investigación y entre diversos grupos étnicos, para determinar si este método tiene un mayor valor de aplicación práctica".

Si se valida en estudios más amplios, esta herramienta de detección de bajo costo y no invasiva podría revolucionar la detección temprana del Parkinson, permitiendo una intervención más oportuna y, potencialmente, mejores resultados para millones de pacientes en todo el mundo.

Source:

Latest News